基于log-Gabor小波的掌纹识别算法

掌纹识别是一种新兴的身份识别技术,具有易于采集、纹理丰富等优点,为此提出一种基于log-Gabor小波进行特征提取的掌纹识别算法.该算法首先用log-Gabor小波对掌纹目标区域（region of interest,ROI）进行滤波,然后根据滤波后图像的相位信息形成二进制掌纹特征码,最后用汉明距离来衡量不同掌纹特征码的相似度.在UST掌纹库上的实验结果达到了较高的识别率,验证了该算法的有效性.     

基于径向对称变换的眼睛睁闭状态检测

为实现干扰条件下的眼睛睁闭状态检测,提出了一种新的基于径向对称变换的眼睛状态检测方法.该算法充分利用了睁眼状态下瞳孔的灰度特性及其径向对称特性,有效地解决了光线变化、不均匀光斑、睫毛和镜框等因素的干扰.大量的实验结果表明,该算法具有较好的检测效果,对各种干扰情况有较强的鲁棒性,并且检测速度快,能够达到实时要求,而且能在眼睛状态检测的同时实现瞳孔定位.     

基于主成分分析的测光红移方法

通过对最新的合成星系光谱库GALAEV进行主成分分析（principle component analysis，PCA），发现该光谱库所包含的信息可以充分压缩为3个本征谱，用其可精确地重构真实星系的谱能量分布．结果显示，用PCA得到的3个本征谱可作为模板估计星系的测光红移．我们使用BATC15色测光系统，用合成与真实星系测试了用这一套模板决定的测光红移精度，结果显示对于测光误差约为σm=0．05mag时，测光红移测量误差大约为σz=0．013，错误率约为0．12％；当红移低于z=1．20时，测量的误差为σz=0．012，而错误率为0．与传统方法相比，基于PCA的测光红移方法需要的模板谱数量少、运算速度快、测量的准确度较高．利用该方法可以通过对各种测光系统及其组合进行测试，选用尽可能少的中带滤光片，结合宽带测光，在保证科学目标要求的测光红移精度前提下，可最大限度地减少望远镜的观测时间．     

面向不均衡小样本训练集的改进Boosting算法

传统的Boosting算法训练出的分类器常会出现过拟合和向多数类偏移.为此,提出一种基于自适应样本注入和特征置换的Boosting学习算法,通过在训练过程中加入人工合成样本,逐渐平衡训练集,并通过合成的样本对分类器学习进行扰动,使分类器选择更多有效的特征,提高了分类器的泛化能力.最后,在两类和多类图片分类问题上对该算法的有效性进行了考察,实验结果表明,该算法能够在样本数很少,且正负样本数量极不均衡的情况下,有效提高booting算法的泛化能力.     

一种基于数据服务匹配的数据集成方法研究

提出一种基于数据服务匹配的数据集成方法.该方法主要基于数据服务发布、注册和检索的方式工作,能更好地利用数据形式语义进行数据集成,并增强与语义web和描述逻辑推理等智能技术的融合.在介绍该方法的概念、思想和工作机制后,给出了基于数据服务匹配的集成查询检索算法,作为实现数据集成系统查询处理引擎的基础.实验结果表明,该算法能有效、可靠地工作.与传统数据集成方法相比,该方法的数据集成查询处理更为直接和灵活,具有良好的性能和可伸缩性,也不需要维护公共数据模式.     

一种鲁棒的人眼光斑定位算法

光斑的检测和定位是视线跟踪系统中的一个重要环节,其定位精度直接影响视线跟踪系统的精度.目前常用的基于灰度二值化的光斑检测方法,容易受到光斑亮度变化和镜面反光等因素的影响.径向对称变换(RST)是一种有效的圆形目标检测技术,对上述干扰具有较好的鲁棒性,但计算代价偏高.为此提出了一种改进的径向对称变换(IRST),有效降低了算法的计算代价.在引入IRST实现光斑检测之后,再结合自适应二值化和重心法实现光斑的精确定位.实验结果表明,IRST算法的光斑检测鲁棒性明显高于基于灰度二值化的方法,而计算代价明显低于基于经典RST的光斑检测算法,最终的定位精度也优于其他同类算法.     

基于有限结构模型的颅内出血CT图像的识别及出血体积计算

通过对颅内组织及出血部位ＣＴ值特性的正确分析,在对原始ＣＴ图像进行一系列的处理：滤波、增强、二值化的基础上,用模式识别中最优阀值的方法,实现了对出血部位的正确分割,并通过空间插值的方法,较精确地计算出血部位的体积。